基于RBF神经网络集成的三维模型分类和检索  

3D Model Classification and Retrieval Based on RBF Neural Network Ensemble

作　　者：陈俊英[1] 王羡慧[2] 方亚萍[3] 

机构地区：[1]西安建筑科技大学信息与控制工程学院,陕西西安710055 [2]新疆大学信息科学与工程学院,新疆乌鲁木齐830046 [3]中国寰球工程公司,北京100029

出　　处：《图学学报》2013年第2期26-30,共5页Journal of Graphics

基　　金：陕西省自然科学基础研究计划资助项目(2012JQ8039);陕西省教育厅科研计划资助项目(11JK1036);西安建筑科技大学青年基金资助项目(DA05037)

摘　　要：针对单个神经网络难以对复杂的三维模型特征空间有足够的优化能力和泛化能力的问题,用Boosting方法变种和基于粒子群训练的RBF神经网络,形成特征空间对应的多个神经网络,然后将神经网络集成,给出三维模型的分类信息。在三维模型检索时,将神经网络集成输出的分类信息和特征空间上的距离信息进行加权计算,得到三维模型之间的相似度。实验结果表明,基于RBF神经网络集成的分类方法能有效提高三维模型的分类准确率;同时,考虑特征空间上模型间的距离和语义分类层次上模型间的距离,能够大大提高三维模型的检索精度。In view of the difficulty for a single neural network to have sufficient optimization ability and generalization ability in complex feature space of 3D models, the variant of boosting method and Particle Swarm Optimization（PSO） based RBF neural network learning method are used to form multiple neural networks in the feature space. Then neural networks ensembled to give classification information of 3D models are derived. In 3D model retrieval, the output of neural network ensemble and feature distance are combined weightedly to calculate the similarity between models. Experimental results show that the classification method based on RBF neural networks ensemble is effective for 3D model classification, and retrieval accuracy improved greatly by taking into account not only feature distances but also semantic differences between 3D models.

关 键 词：三维模型分类 三维模型检索 语义检索 RBF神经网络集成 

分 类 号：TP391.3[自动化与计算机技术—计算机应用技术]